一种基于Wi-Fi的室内人员辨识模型_第1页
一种基于Wi-Fi的室内人员辨识模型_第2页
一种基于Wi-Fi的室内人员辨识模型_第3页
一种基于Wi-Fi的室内人员辨识模型_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于Wi-Fi室内人员辨识是一种早期的研究领域，它已经被广泛地应用在不同W-i人员辨识模型，该模型由信号采集和多维度特征分析两部分组成。在信W-i在多维度特征分析部分中，通过机器学习算法对这些信号进行识别和分K最近邻算法和朴素贝叶斯算法分别对所收集到的数据进行了建模，最终得到了一种具有高准确率的辨识模型。实验结果表明，该模型能够较为准确地区分不同的人员，且对于室内人员较少的情况下，其准确率更高，具有一定的应用前景。关键词室内人员辨识，Wi-Fi析W-i行干扰，并且进行采样的硬件也比较简单。同时，它也适用于大多数室内环境，并且对于测量对象的隐私更为保护，因此，它逐渐成为了研究的热点之一。Wi-Fi的室内人员辨识技术进行了探究，并提出了一种基于学习等方面的技术进行了详细的介绍，并通过对采集数据进行实验验证，证明了该模型的有效性和准确度。Wi-Fi的传感器采集室内人员的信W-iWFi100ns的时间间隔对信号进行持续采集。在室内环境中，信号源的变化是受到固定的轨WFi接收器采RSSI的数据。RSSI是接收信号强度指标，它是用来评估电离层的电波传播特性。RSSI值越高表明信号越强，而RSSI值越低表明信号越弱。在信号采集基于Wi-Fi的室内人员辨识模型而言，特征提取尤为关键。WiFi特征提取后，我们需要对这些特征进行进一步的处理和判断。在此，我们选择了K最近邻和朴素贝叶斯算法作为分类器，来判断不同的人员。K较，以求出最相似的数据。通过这种方式，它可以较为准确地分类数据。朴素贝叶斯算法是基于贝叶斯定理的一种算法，它通过对已知数据的学习，建立模型，以预测新数据的分类。这种算法在文本分类、邮件过滤、网络安全等领域得到了广泛的应用。WiFi100人进行了实验。实验室10个接收器，分布在场景的不同位置。每个目标经过一次时间的采样，得到了1000个采样点的信号值。K最近邻算法和朴素贝叶斯算法，我们分别建立了人员计数模ROC曲线，得到了以下实验ROC曲线如图所示，横坐标表示“假正率”，纵坐标表示“真正K最近邻算法和朴素贝叶斯算法进行了比较。结果表明，K最近邻算法相比于朴素贝叶斯算法效果更好，其AUC值分别为0.897和0.853。Wi-FiK最近W-i是，由于不同室内环境的差异，我们需要进

人人文库> 全部分类> 图纸下载 > 毕业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论